基于KPCA-WPA-SVM的变压器故障诊断模型

摘要：

为提高变压器故障诊断的精度,文章提出一种基于核主成分分析(KPCA)和狼群算法(WPA)优化支持向量机(SVM)参数的变压器故障诊断方法.通过KPCA提取样本数据的非线性特征,并获得其主成分,再将其输入至高斯核SVM构成诊断模型,并利用WPA对SVM的惩罚因子以及核参数进行优化.实验结果表明,该方法诊断准确率达到93.33％,与传统SVM以及KPCA-SVM诊断模型相对比,具有更高的变压器故障诊断准确率.

关键词：核主成分分析、狼群算法、支持向量机、故障诊断、电力变压器

所属期刊栏目：58

分类号：TM411(变压器、变流器及电抗器)

资助基金：国家自然科学基金资助项目51741907

在线出版日期：2021-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：158-164